[发明专利]一种基于分数阶扩展卡尔曼滤波算法的SOC估计方法

说明书

本发明公开了一种基于分数阶扩展卡尔曼滤波算的SOC估计方法，该方法包括建立锂电池分数阶二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对参数初始化，采用自适应遗传算法对分数阶模型参数进行参数辨识；辨识出电池分数阶模型后，采用分数阶扩展卡尔曼滤波算法进行SOC估计；本发明通过自适应遗传算法对分数阶模型进行参数辨识，并结合分数阶扩展卡尔曼滤波算法估计锂电池SOC，解决了整数阶模型不够精准、无法很好描述电池工况特性的问题，结合分数阶扩展卡尔曼滤波算法，利用过去数据的信息，提高了锂电池SOC估计的精度和鲁棒性。

技术领域

本发明涉及锂电池荷电状态估计领域，具体来说是一种基于分数阶扩展卡尔曼滤波算法的SOC估计方法。

背景技术

随着清洁绿色能源理念的提出，电动汽车得到快速发展，而锂电池作为电动汽车能源核心，对锂电池的研究也成为当下热点。

目前，锂电池SOC估计主要有传统基于电池特性方法如安时积分法，基于数据驱动的方法，如神经网络等，基于电池模型和观测器技术的方法，基于模型和观测器技术方法研究的最为广泛，主要采用的锂电池的等效电路模型结合卡尔曼滤波技术估计电池SOC，对于锂电池等效电路模型，研究的最多的是整数阶等效电路模型；但是整数阶等效电路模型并不契合锂电池的实际特性，而且不同模型的选择误差较大；伴随着分数阶微积分理论的应用发展，分数阶系统更适用于锂电池这样一个具有迟滞效应的非线性系统。

因此，采用分数阶理论构建的锂电池等效电路模型和SOC估计系统，更契合实际锂电池的工作状况，相比传统整数阶等效电路模型更加精准。

发明内容

针对现有技术的不足，本发明提出了一种基于分数阶扩展卡尔曼滤波算法的SOC估计方法。

本发明所采用的技术方案是：

1、一种基于分数阶扩展卡尔曼滤波算法的SOC估计方法，主要包括以下步骤：

S1：建立锂电池分数阶二阶等效电路模型；

S2：确定等效电路各参数与SOC的函数关系，建锂电池的状态空间方程；

S3：初始化参数，采用自适应遗传算法对分数阶模型进行参数辨识；

S4：初始化状态变量，用分数阶扩展卡尔曼滤波算法估计锂电池SOC。

较佳地，锂电池等效电路模型采用分数阶二阶等效电路模型，电路参数包括：欧姆内阻R₀，极化电阻R₁、R₂，极化电容C₁、C₂，分数阶电容的阶数α、β。

进一步地，S2，确定等效电路各参数与SOC的函数关系，建立基于锂电池的状态空间方程：

S2.1：以30A的定电流对充满电的电池进行脉冲放电，每次放电6min即0.1SOC值，放电结束后将电池静置2h，记录电池开路电压，重复上述操作10次；

S2.2：根据实验测得10组U_oc与SOC关系的数据点，将SOC作为变量，通过公式(4)对U_oc与SOC的数据点做八阶拟合，从而得到U_oc与SOC的函数：

U_oc(SOC)＝p₁SOC⁸+p₂SOC⁷+p₃SOC⁶+p₄SOC⁵+p₅SOC⁴+p₆SOC³+p₇SOC²+p₈SOC+p₉